Detección de cambios de imágenes satélite mediante LandViewer

Teledetección de cambios fácil y rápida con LandViewer

Ahora LandViewer permite usar la Detección de cambios para identificar, medir y visualizar cómo han cambiado con el tiempo los atributos de una zona determinada. El algoritmo se basa en la comparación de un par de imágenes de satélite obtenidas del mismo sensor, pero tomadas en distintos tiempos. Un enfoque directo nos permite calcular los cambios en los valores de los índices de la cobertura terrestre entre el estado inicial y final, representados por dos imágenes que cubren exactamente la misma área geográfica, y mostrarlos en un mapa.

El análisis Detección de cambios, introducido por EOS Data Analytics, se ha aplicado amplia y eficazmente en varios campos importantes, pues ayuda a evaluar la deforestación, las pérdidas causadas por desastres, avance minero, el desarrollo urbano, el impacto de los desastres naturales y los cambios en la cobertura terrestre. Los desastres naturales que provocan daños en la estructura vegetal que podrían afectar a las tasas de productividad agrícola incluyen, entre otros, inundaciones, huracanes, vientos fuertes, sequías, plagas de insectos e incendios.

En el campo de la geotecnia puede ser usado en la detección y monitorización de movimientos de ladera y áreas deslizadas, problemas de erosión, daños causados por terremotos, avances mineros, etc.

El proceso automatizado de esta herramienta en la nube elimina la necesidad de realizar búsquedas manuales y procesar y analizar enormes cantidades de datos, lo que permite ahorrar tiempo, recursos y esfuerzos. El proceso es el siguiente: la herramienta calcula los índices (NDVI, ARVI, etc.) y la diferencia de los valores en píxeles para las imágenes de las dos fechas seleccionadas. A continuación, muestra el rango de valores seleccionados en un color usado en la leyenda de la detección de campos. La diferencia se computa sustrayendo la imagen del estado inicial de la imagen del estado final, y las clases se definen por el cambio de umbrales. Esto ofrece resultados válidos y precisos que permiten definir los cambios mucho más rápido que en ArcGIS, QGIS y en otro software SIG.

Ejemplos de Detección de cambios

La Detección de cambios cubre un amplio abanico de aplicaciones: minería, obras civiles, desastres naturales (movimientos de ladera, inundaciones, etc), agricultura, silvicultura, protección ambiental, operaciones de asistencia ante desastres y problemas de seguridad. Veamos cómo funciona en la práctica.

Caso práctico 1. Grandes incendios arrasan el norte de Portugal y España, 2017

Descripción: del 13 al 18 de octubre de 2017, los incendios forestales en el norte de Portugal y España se cobraron 49 vidas y dejaron docenas de heridos. Los vientos huracanados avivaron las llamas que devastaron el denso terreno forestal. Tras cruzar la frontera con España, las llamas llegaron a las afueras de la ciudad portuaria de Vigo. Las autoridades españolas dijeron que había más de 90 fuegos activos en las regiones de Galicia y Asturias. El presidente español, Mariano Rajoy, declaró que los incendios eran provocados. El ministro de interior de Portugal, Constanza Urbanu de Souza, dimitió debido a los incendios. Las autoridades de ese país han destinado aproximadamente 400 millones de Euros para ayudar a las zonas afectadas.

Objetivo: identificar las áreas quemadas.

Fuentes de datos Imagen previa al desastre (Landsat 8 28.09.2017) e imagen posterior al desastre (Landsat 8 14.10.2017).

Imagen del estado inicial

Imagen del estado final

Imagen resultante

Solución: sustraemos el NBR de la imagen previa al desastre del NBR de la imagen posterior al desastre. Los cambios negativos se representan con un signo “-” y los cambios positivos con un signo “+”.

Resultado: las áreas quemadas se muestran en color rojo.

Caso práctico 2. Enorme deforestación en Indonesia

Descripción: El aceite de palma se utiliza masívamente en la producción de biocombustibles, y productos cosméticos y alimentarios. No obstante, su producción no siempre se realiza conforme a los estándares medioambientales, lo que provoca la deforestación y la producción fuera de las zonas especialmente designadas. Conforme a los datos oficiales, entre 1990 y 2015, se destruyeron en Indonesia alrededor de 24 millones de hectáreas de bosques tropicales.

Objetivo: identificar las zonas deforestadas

Fuentes de datos Imagen previa al desastre (Landsat 8 10.03.2017) e imagen posterior al desastre (Landsat 8 28.02.2018)

Estado inicial de la imagen

Estado final de la imagen

Imagen resultante

Solución: Sustraemos el NBR de la imagen previa al desastre del NBR de la imagen posterior al desastre. Los cambios negativos se representan con un signo “-” y los cambios positivos con un signo “+”.

Resultado: Las áreas deforestadas se muestran en color rojo.

¿Cómo funciona la Detección de cambios en LandViewer?

En LandViewer, ambas imágenes se visualizan simultáneamente y usted puede pasar de una a otra usando el deslizador tras haber aplicado transparencia a la capa de detección de cambios. La imagen resultante se muestra sobre la original. Una vez realizados los cambios, aparece en el mapa un deslizador para cambiar la transparencia de la capa diferencial. Abajo puede ver la leyenda de la Detección de cambios que muestra el rango de valores de los índices en distintos colores.

Puede informarse más sobre la Detección de cambios, el manual de usuario de LandViewer o recibir las últimas noticias sobre LandViewer aquí: https://eos.com/landviewer/